[发明专利]惯性权重余弦调整粒子群优化算法的PID参数整定方法

摘要

一种惯性权重余弦调整粒子群优化算法的PID参数整定方法，涉及粒子群算法技术领域，包括以下步骤：（1）种群初始化操作；（2）将粒子群个体解码为比例Kp、积分Ki和微分Kd；（3）运行simulink模型，选取误差绝对值乘时间积分ITAE准则作为算法的适应度函数；（4）根据适应度值函数计算初始化群体的适应度值，并得到个体极值pBest和全局极值gBest；（5）根据惯性权重余弦调整公式对惯性权重进行动态调整，并根据进化迭代公式计算速度和位置从而得到新一代的粒子群；（6）由ITAE准则计算更新后的粒子群个体的适应度值；（7）若达到最大迭代次数或精度最小值的终止条件，则进入步骤（8），若未达到终止条件则进入步骤（5）；（8）结束，得到全局最优值。

主权项

1.一种惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，所述方法在Matlab/simulink环境下编写m函数代码并搭建simulink模型完成的，包括以下步骤：步骤一，种群初始化操作；设置以下参数：种群规模、算法最大迭代次数、惯性权重及学习因子的初始值、粒子速度和搜索位置的范围、种群的维度，并在搜索空间中随机初始化粒子种群；步骤二，将粒子群个体解码为比例Kp、积分Ki和微分Kd；步骤三，运行simulink模型，选取误差绝对值乘时间积分ITAE准则作为算法的适应度函数；步骤四，根据适应度值函数计算初始化群体的适应度值，并得到个体极值pBest和全局极值gBest；步骤五，根据惯性权重余弦调整公式对惯性权重进行动态调整，并根据进化迭代公式计算速度和位置从而得到新一代的粒子群；步骤六，由ITAE准则计算更新后的粒子群个体的适应度值，计算出更新后粒子群的个体极值和全局极值，若新一代的个体极值比上一代的个体极值小，则更新个体极值，全局极值更新准则与个体极值更新准则相同；步骤七，若达到最大迭代次数或精度最小值的终止条件，则进入步骤八，若没有达到终止条件则进入步骤五；步骤八，结束，得到全局最优值。